## 一、标题 基于心理社会变量的主观认知功能预测——回归模型与机器学习在墨西哥成年人中的应用

《Applied Neuropsychology: Adult》：Prediction of subjective cognitive functioning based on psychosocial variables using regressions models and machine learning in Mexican adults

　　

## 三、摘要翻译

**背景** 在墨西哥，认知衰退是一个日益严重的问题，其中轻度认知障碍的估计患病率介于20%与25%之间。**目的** 识别心理社会变量（psychosocial variables）在评估主观认知功能（subjective cognitive function）水平方面的预测能力。**方法** 采用非实验性横断面设计（cross-sectional design）及非概率便利抽样方法（non-probabilistic convenience sampling）。对596名墨西哥参与者的心理社会变量进行评估，以识别其与主观认知功能的关联。采用描述性分析、相关分析及机器学习算法（线性回归、逻辑回归、朴素贝叶斯（Na?ve Bayes）、决策树、随机森林及支持向量机（Support Vector Machines, SVM））。对于连续模型预测，使用FACT-Cog的原始数值评分；对于预测性分类，则采用k均值聚类（k-means clustering）将该数值评分二分化。**结果** 在预测性分类中，朴素贝叶斯模型取得最高的数值表现（AUC = 0.830，95% CI [0.765, 0.894]，准确率 = 0.783），逻辑回归紧随其后（AUC = 0.817，95% CI [0.751, 0.883]），支持向量机次之（AUC = 0.789，95% CI [0.713, 0.865]，准确率 = 0.758）。对于FACT-Cog评分的连续预测，线性回归相较于非线性树基算法展现出最优的解释力（R² = 0.340，交叉验证R² = 0.375，RMSE = 0.786）。敏感性分析（sensitivity analyses）证实了上述估计的稳定性。**结论** 对多种类型模型（线性、非线性及条件模型）的比较表明，主观认知功能主要与主观幸福感（subjective well-being）及基于本研究分析变量的神经感知能力（neuroceptive abilities）相关。

## 四、论文解读

**研究背景与问题** 在墨西哥，认知衰退正成为日益突出的公共卫生问题。2021年墨西哥全国健康与老龄化调查（ENASEM）报告约14%的老年人存在显著认知衰退，且在女性、低教育水平者及糖尿病、高血压等慢性病患者中患病率更高；2022年墨西哥卫生部数据显示7%–8%的老年人患有某种形式痴呆，轻度认知障碍估计患病率介于20%与25%之间。青年人群中精神障碍（焦虑与抑郁）可高达30%，并与注意、记忆和执行功能损害相关；新冠后研究亦报告高达37%的受评者出现认知衰退。既有文献提示社会支持与认知功能呈正相关，孤独感与社会隔离与较差的认知表现相关，幸福感具有对抗认知衰退的保护性中介作用，知觉压力、焦虑、悲伤/抑郁与记忆、注意及加工速度的损害相关，而内感受（interoception）与疲劳亦参与认知与行为调节。鉴于机器学习已被用于识别传统参数模型可能忽略的非线性交互（如轻度认知障碍向痴呆进展的预测、基于墨西哥健康与老龄化研究数据的认知能力预测），研究人员旨在评估多种回归与机器学习算法基于一组针对性心理社会预测变量对墨西哥成年人主观认知功能的预测表现。

**研究方法** 采用非实验性横断面设计，2024年2月至10月通过非概率便利抽样招募596名墨西哥成年人（含男性与女性，年龄≥18岁，能以电子方式阅读并完成测评工具）。测量工具包括：墨西哥一般人群适配的简易认知功能量表（FACT-Cog，单因子8条目，α = 0.938）、广泛性焦虑障碍量表（GAD-5，α = 0.896）、孤独感（UCLA v.3单条目）、主观幸福感量表（8条目，α = 0.973）以及神经感知心理安全量表（NPSS，29条目，含社会承诺、同情、躯体感觉三因子，α = 0.947）；心理社会指标以0–10单条目评估社会支持、压力、疲劳、悲伤、睡眠质量、恢复性睡眠与睡眠时长，并报告了聚合与区分效度。统计上先以Pearson相关确定变量纳入顺序，再以10折交叉验证、自助法（Bootstrap，5,000次迭代）检验聚类稳定性，比较线性回归、逻辑回归、朴素贝叶斯、决策树、随机森林与SVM（超参数取默认值），以准确率、敏感度、特异度、Cohen's Kappa、McNemar检验、AUC及RMSE、MAE、R²评价，并进行变量重要性分析与敏感性分析。研究经墨西哥儿童医院Federico Gómez国家卫生研究所研究与伦理委员会批准（HIM/2015/017/SSA.1207）。

**研究结果** 描述性分析：参与者平均年龄43岁（18–74岁），女性464人（77.85%），男性132人（22.15%）；单身207人（34.73%），已婚205人（34.4%）；本科256人（42.95%）、硕士164人（27.52%）、博士83人（13.93%）；在职406人（68.12%），有子女362人（60.74%）；居住于墨西哥北部184人（30.87%）、中部327人（54.87%）、南部85人（14.26%）。经k均值聚类分为低主观认知功能组（n = 232，38.93%）与高主观认知功能组（n = 364，61.07%），聚类解释方差68.16%，Silhouette系数0.579，两组稳定性分别为0.951与0.934。相关分析据此确定变量纳入顺序为：躯体感觉、焦虑、主观幸福感、疲劳、悲伤、社会承诺、孤独感、恢复性睡眠、压力、睡眠质量、同情、睡眠时长与社会支持。

逻辑分层回归模型：共构建九个逻辑模型，因多重共线性剔除心理安全变量，同情、社会承诺、压力、悲伤、恢复性睡眠、平均睡眠时长、社会支持与睡眠质量因不显著（p > .05）被剔除。

分层回归模型：连续模型共估计八个模型，剔除睡眠质量、睡眠时长、社会承诺、孤独感、同情、悲伤与压力，最终六变量模型显著（F = 60.57，df = 6，p = .001），解释方差38.1%；敏感性模型亦显著（F = 109.1，df = 3，p = .001；r² = 35.6%）。逻辑模型中孤独感比值比大于1（OR = 1.31，p = .049），而连续模型中孤独感不显著、恢复性睡眠与社会支持显著。

模型比较：分类模型中朴素贝叶斯与逻辑回归整体表现略优（AUC分别为0.830与0.817），朴素贝叶斯敏感度0.815，SVM为0.750；决策树与随机森林判别力较温和（AUC分别为0.770与0.811），各模型置信区间重叠提示判别能力相当。敏感性分析中逻辑回归AUC为0.817–0.818、朴素贝叶斯为0.830–0.817，提示分类稳健且不依赖单条目方法学假象。连续模型中线性回归解释力最优（R² = 0.340，交叉验证R² = 0.375，RMSE = 0.786，交叉验证RMSE = 0.813），决策树R² = 0.249、随机森林R² = 0.301；排除单条目后线性回归交叉验证R² = 0.360，SVM R² = 0.350。

变量重要性分析：躯体感觉、焦虑与主观幸福感在多数使用连续FACT-Cog评分的模型中重要性最高，分类模型亦呈相同模式（敏感性模型中焦虑与主观幸福感未超过既定界值）。

**讨论与结论** 讨论指出，岛叶皮层对内部感受信号的整合经前扣带皮层产生稳态效应，腹内侧前额叶皮层在心理健康与生理状态间起中介作用，可解释主观幸福感的显著效应；准确解读躯体感觉有助于高效利用代谢资源（如脑葡萄糖）以维持认知功能。焦虑与较差的工作记忆表现相关（g = ?0.33），可能与海马、丘脑、岛叶、颞上回灰质体积下降及杏仁核过度活跃有关。疲劳通过降低认知控制网络活动损害主观认知功能。与提示孤独感为认知衰退风险因素的国际文献相反，本研究中孤独感比值比大于1，作者认为UCLA量表评估的是短期感知孤独，可能反映对社会环境注意的认知激活偏倚而非保护效应；从多迷走神经理论看，孤独感或为远端因素，其与认知功能的关联部分由焦虑等情感状态中介。模型比较显示朴素贝叶斯适用于优先检出真阳性（假阳性不致即时诊断错误）的情境，SVM与逻辑回归判别稳定性与特异度强，适用于资源受限分析环境；连续预测中线性回归提供可靠的定量框架。作者强调这些探索性预测模型为映射心理社会风险标志提供了方法学基础，而非可直接用于人群筛查的 operational 工具，实际部署须依赖外部验证、校准分析与独立代表性样本的重复验证。局限性包括横断面设计无法确立因果、网络便利抽样导致自我选择偏倚与样本代表性不足（女性78%、高学历）、k均值分类缺乏可重复性、采用默认超参数、全数据集特征选择可能引入信息泄漏导致性能高估、单条目测量限制以及完全依赖自评而缺乏神经生物学指标。

结论部分翻译：对多种模型（线性、非线性及条件模型）的比较表明，预测主观认知功能既非单因素任务，也不依赖单一分析方法。主观幸福感与躯体感觉在大多数分析中作为最重要因素的汇聚提示，幸福感可能作为一种促进性变量，通过自主神经系统的传入反应增强躯体感觉对认知的影响；这一点得到主观幸福感稳健性的支持——其不仅在随机森林或SVM等非线性模型中重要性突出，还在线性模型中成为主导预测因子（z = 4.04）。总之，主观认知功能可能与主观幸福感及神经感知能力相关。因此，未来研究可受益于通过实验设计探索神经感知、主观幸福感、焦虑管理与疲劳等变量的整合如何增强认知功能。